化学物理这一交叉领域探索着分子层面的物理规律,架起了化学变化与物理原理之间的桥梁。在这里,科学家通过理论模型和实验手段,深入理解原子如何结合、能量如何转化以及物质在微观尺度下的独特行为。

Gist.Science 致力于让 arXiv 上的最新研究成果触手可及。我们实时追踪并处理该分类下发布的所有预印本,为每一篇论文提供通俗易懂的科普解读与详尽的技术摘要,帮助不同背景的读者跨越专业术语的障碍,轻松把握前沿动态。

以下是该领域近期在 arXiv 上发布的最新论文精选。

Non-Equilibrium Dynamics of the Time-Dependent Excitonic Coupling in Fluorescent Protein Dimers

本研究通过引入近场多极效应,量化了二聚体 Venus 荧光蛋白中显著强于预期的激子耦合,并通过一种时间尺度分离机制解决了强耦合与环境退相干之间的张力,该机制中集体光激发在快速环境退相位使系统转变为非相干跳跃之前先印刻了达维多夫分裂。

Robson Christie, Cerys Murray, Youngchan Kim, Jaewoo Joo2026-05-04🔬 physics

A Noble-Gas-Centered Coordinate for Within-Period Atomic Property Trends

本文提出了一种基于黄金比例的单一无量纲、以稀有气体为中心的坐标函数,该函数成功地对多个周期的关键周期性原子性质(包括第一电离能、电子亲和能、电负性和化学硬度)进行了组织与预测,准确复现了已知趋势、教科书中的反常现象以及特定的黄金比例标度律,并与 NIST 数据展现出高度经验一致性。

Jonathan Washburn, Megan Simons, Elshad Allahyarov2026-05-04🔬 physics

CompleteRXN: Toward Completing Open Chemical Reaction Databases

本文介绍了 CompleteRXN,这是一个通过将美国专利商标局(USPTO)记录映射到经过策划的机理反应来补全开放化学反应数据库的大规模监督基准,并评估了包括高性能的约束反应平衡器(CRB)在内的多种模型,以证明尽管现有方法在受控划分上取得了较高的准确率,但在处理日益不完整的真实世界未策划数据时仍面临重大挑战。

Gabriel Vogel, Minouk Noordsij, Evgeny Pidko, Jana M. Weber2026-05-04🤖 cs.LG

Experimentally Accurate Graph Neural Network Predictions of Core-Electron Binding Energies

本文提出了一种名为 AugerNet 的实验准确且可解释的图神经网络模型,该模型通过利用化学信息节点特征和 E(3) 等变性来捕捉局部键合环境并推广至更大体系,从而以 0.33 eV 的平均绝对误差预测有机分子中的碳 1s 核心电子结合能。

Adam E. A. Fouda, Joshua Zhou, Rodrigo Ferreira, Patrick Phillips, Valay Agarawal, Bhavnesh Jangid, Jacob J. Wardzala, Rui Ding, Junhong Chen, Nicole Tebaldi, Phay J. Ho, Laura Gagliardi, Linda Young2026-05-01🔬 physics